#112 gpt-oss-120b
medium- Cost
- $0.001
- Timp
- 26.7s
- Tokenuri
- 555 tok
OpenAI
Lansare: 2025-08-05
Testat la: 2026-05-22 00:18
openai/gpt-oss-120b::medium
117B în total (5.1B activi)MoESursă deschisă
(medium)
(none)
Rezumat
gpt-oss-120b obține 5.6 pe AI BENCHY și este pe #112. Are fiabilitate 10.0, rată de reușită 46.7%, cost total $0.012 și timp mediu de răspuns 20.89s.
Ce face gpt-oss-120b unic: Se remarcă cel mai mult la Combinat, unde este pe #1, iar Trucuri anti-AI este zona cea mai slabă, la #18. Costul total al benchmarkului este neobișnuit de mic pentru acest nivel de scor.
Date despre model
Documentat la 2026-08-12
- Parametri
- 117B în total (5.1B activi)
- Arhitectură
- MoE
- Disponibilitate
- Sursă deschisă
- Licență
- Apache-2.0
5.6
Consistență
7.5
10.0
$0.012
Total tokenuri de ieșire
63,919
Total tokenuri de intrare
0
Preț de intrare
$0.000 / 1M
Preț de ieșire
$0.000 / 1M
Teste instabile
6
Testele instabile au avut rezultate mixte între rulări (cel puțin un succes și un eșec).
Hamster playing table tennis
Prompt: Create a detailed SVG illustration of a hamster playing table tennis.
Istoric rulări
| Testat la | Scor | Fiabilitate | Teste corecte | Cost total | Compară |
|---|---|---|---|---|---|
| 2026-08-14 02:08 Retestare | 6.1 | 10.0 | $0.019 ↓ | Compară | |
| 2026-07-16 22:24 Test nou adăugat | 6.1 | 10.0 | $0.019 ↓ | Compară | |
| 2026-06-04 13:44 Test nou adăugat | 6.1 | 10.0 | $0.013 ↓ | Compară | |
| 2026-05-22 00:18 Suită modificată | 5.6 | 10.0 | $0.012 | Rularea curentă | |
| 2026-04-21 12:42 Prima rulare înregistrată | 5.8 | N/D | $0.011 | Compară |
Această rulare a folosit o suită de benchmark diferită. Ține cont de schimbările suitei când interpretezi evoluția istorică.
Grafice
Alege primul model, apoi fă clic pe al doilea model pentru a deschide o pagină alăturată.
Top modele după scor
Scor vs Cost total
Timp de răspuns (mediu)
Scor vs Timp de răspuns (mediu)
Total tokenuri de ieșire
Scor vs Total tokenuri de ieșire
Comparație rapidă
gpt-oss-120bmediumDisponibil gratuitvsQwen3.5-35B-A3Bmediumgpt-oss-120bmediumDisponibil gratuitvsQwen3.7 Flashnonegpt-oss-120bmediumDisponibil gratuitvsGemini 3.1 Flash Liteminimalgpt-oss-120bmediumDisponibil gratuitvsGemini 3.1 Flash Litenonegpt-oss-120bmediumDisponibil gratuitvsClaude Sonnet 5nonegpt-oss-120bmediumDisponibil gratuitvsQwen3.5-Flashmediumgpt-oss-120bmediumDisponibil gratuitvsGPT-5.6 Lunalowgpt-oss-120bmediumDisponibil gratuitvsInklinglowgpt-oss-120bmediumDisponibil gratuitvsGemma 4 31BmediumDisponibil gratuitgpt-oss-120bmediumDisponibil gratuitvsTrinity Large Thinkingmedium
Defalcare pe categorii
| Categorie | Scor | Consistență | Teste corecte |
|---|---|---|---|
| Trucuri anti-AI | 6.7 | 9.9 | |
| Programare | 3.9 | 5.6 | |
| Combinat | 10.0 | 10.0 | |
| Parsare și extragere de date | 6.4 | 5.9 | |
| Specific domeniului | 2.9 | 4.4 | |
| Inteligență generală | 4.3 | 10.0 | |
| Respectarea instrucțiunilor | 9.9 | 10.0 | |
| Rezolvare de puzzle-uri | 3.2 | 4.7 | |
| Apelare instrumente | 9.8 | 10.0 | |
| Cultură generală | 3.0 | 10.0 |